MLOps实战：机器学习模型的开发、部署与应用

MLOps实战：机器学习模型的开发、部署与应用读书笔记模板01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406思维导图机器部署主题生命周期模型示例详细信息注意事项模型风险机器数据第章部署监控使用开发实验关键关键字分析思维导图内容摘要内容摘要本书分为三部分。第1部分介绍MLOps主题，深入探讨了它是如何（以及为什么）发展成一门学科的、需要谁参与才能成功执行MLOps以及需要哪些组成部分。第二部分介绍了机器学习模型的生命周期，其中包括有关模型开发、生产准备、生产部署、监测和治理的章节。这些章节不仅包括一般的注意事项，还包括MLOps生命周期每个阶段的注意事项，并提供第3章中所涉及主题相关的更多详细信息。第三部分提供了MLOps的具体示例，以便读者了解MLOps在实践中的设置和含义。目录分析第1章为什么现在要使用MLOps，使用MLOps面临的挑战第3章MLOps的主要组成部分第2章MLOps的使用人员第一部分MLOps是什么，为什么要使用MLOps第1章为什么现在要使用MLOps，使用MLOps面临的挑战1.1定义MLOps及面临的挑战1.2使用MLOps以降低风险1.3大规模的MLOps第2章MLOps的使用人员2.1行业专家2.2数据科学家2.3数据工程师2.4软件工程师2.5DevOps团队2.6模型风险管理者/审计师2.7机器学习架构师第3章MLOps的主要组成部分3.1机器学习入门3.2模型开发3.3产品化与部署3.4监控3.5迭代与生命周期3.6治理第4章开发模型第5章准备投入生产第6章部署到生产第7章监控和反馈回路第8章模型治理12345第二部分如何实现第4章开发模型4.1什么是机器学习模型4.2数据探索4.3特征工程与特征选择4.4实验4.5评估和比较模型4.6版本管理和再现性第5章准备投入生产5.1运行时环境5.2模型风险评估5.3机器学习的质量保证5.4测试的关键注意事项5.5再现性和可审计性5.6机器学习安全5.7降低模型风险第6章部署到生产6.1CI/CD管道6.2创建ML工件6.3部署策略6.4容器化6.5扩展部署6.6需求和挑战第7章监控和反馈回路7.1模型应该多久接受一次再训练7.2理解模型退化7.3实践中的漂移检测7.4反馈回路第8章模型治理8.1由谁决定组织的治理需求8.2将治理与风险级别相匹配8.3推动MLOps治理的现行法规8.4新一轮人工智能特定法规8.5负责任的人工智能的出现8.6负责任的人工智能的关键要素8.7MLOps治理模板第9章实践中的MLOps：消费信贷风险管理第11章实践中的MLOps：消耗预测第10章实践中的MLOps：营销推荐引擎第三部分MLOps具体示例第9章实践中的MLOps：消费信贷风险管理9.1背景：商业使用案例9.2模型开发9.3模型偏见考虑9.4为生产做准备9.5部署到生产环境第10章实践中的MLOps：营销推荐引擎10.1推荐引擎的兴起10.2数据准备10.3设计和管理实验10.4模型训练和部署10.5管道结构和部署策略10.6监控和反馈第11章实践中的MLOps：消耗预测11.1能源系统11.2数据收集11.3问题定义：机器学习，还是不机器学习11.4空间和时间分辨率11.5实施11.6建模11.7部署11.8监控作者介绍同名作者介绍这是《MLOps实战：机器学习模型的开发、部署与应用》的读书笔记模板，暂无该书作者的介绍。读书笔记读书笔记这是《MLOps实战：机器学习模型的开发、部署与应用》的